典型文献
融合词嵌入和通道注意力机制的网络安全态势预测
文献摘要：
为了解决门控神经网络(Gated Recurrent Neural Network,GRU)不能很好地注意到关键词且训练速度较慢的问题,提出融合词嵌入和通道注意力机制的网络安全态势预测模型(E-SE-CNN).首先,根据专家意见,采用正则表达式分割告警日志数据(网络安全设备捕捉到的Web攻击日志)构建多标签分类数据集;其次,利用Embedding进行词嵌入,获取词的分布式表示,使其能够充分地表示语义信息;再次,引入通道注意力机制(Squeeze and Excitation)和卷积神经网络(Convolutional Neural Networks,CNN),为不同的通道分配不同的权重,使得模型能够进一步获取文本的重要的语义信息;最后,将包含权重信息以及语义信息的特征图送入sigmoid层进行多标签的Web攻击分类.为了进一步验证E-SE-CNN模型的性能,设计了5组相关模型进行进一步验证.实验结果表明,在自建的Web攻击数据集上,在保证训练推理速度的同时,提出的模型在5种评估指标上均具有最佳的表现.
文献关键词：
网络安全态势预测;卷积神经网络(CNN);通道注意力机制
中图分类号：
作者姓名：
史飞洪;李敏芳
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500
文献出处：
引用格式：
[1]史飞洪;李敏芳-.融合词嵌入和通道注意力机制的网络安全态势预测)[J].电视技术,2022(07):22-28
A类：
B类：
词嵌入,通道注意力机制,网络安全态势预测,门控神经网络,Gated,Recurrent,Neural,GRU,训练速度,较慢,SE,专家意见,正则表达式,告警,日志数据,网络安全设备,捕捉到,多标签分类,分类数据,Embedding,取词,语义信息,Squeeze,Excitation,Convolutional,Networks,含权,重信,特征图,送入,sigmoid,层进,相关模型,推理速度
AB值：
0.318319
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
